基于深度学习的笔迹性别识别

摘要：

笔迹性别识别在取证分析中具有重要意义.近年来,虽然笔迹性别识别获得了越来越多的关注,但是目前提出的算法都基于人工设计的特征,难以准确地表达笔迹包含的信息,因而准确率较低.针对这个问题,本文提出了一种基于深度学习的笔迹性别识别方法,使用深度学习caffe工具,将预处理后的笔迹图像输入本文设计的卷积神经网络进行分类.本文首先提取笔迹图像的每个单词,然后取单词的不同全排列拼接成基础图,接着按照固定的大小从基础图截取材料图,最后以材料图为输入数据,以包含7个卷积层的网络为模型进行分类.本文的方法在IAM On-Line公开数据库上进行了测试,取得了较高的识别率.

关键词：笔迹、性别识别、深度学习

所属期刊栏目：7

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61472102;教育部人文社会科学研究青年基金14YJC760001;中央高校基本科研业务费用专项基金HIT.NSRIF.2013091

在线出版日期：2017-08-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：135-137